(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210896202.3 (22)申请日 2022.07.27 (71)申请人 广东工业大 学 地址 510090 广东省广州市东 风东路729号 申请人 广东省机 器人创新中心有限公司 (72)发明人 张健林　黄运保　杨煜俊　刘海涛　 (74)专利代理 机构 广州新诺专利商标事务所有 限公司 4 4100 专利代理师 吴泽燊 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 机器人控制方法、 可读存储介质及计算机设 备 (57)摘要 本发明提供了一种机器人控制方法、 可读存 储介质及计算机设备， 包括步骤： S1、 获取期望的 末端执行器位置姿态xe,r； S2、 将末 端执行器位置 姿态xe,r转换为期望的联合参考轨迹qr； S3、 确定 辅助联合参考轨迹qv的方向； S4、 根据辅助联合 参考的方向， 计算得到基于轨迹ERG的辅助联合 参考轨迹qv； S5、 将机器人的动力学预稳定到基 于轨迹ERG的辅助联合参考轨迹qv中； S6、 计算得 到力矩τ， 并将力矩τ发送到机器人； S7、 获取机 器人输出的轨迹q， 重复步骤S4～步骤S7， 对基于 轨迹ERG的辅助联合参考轨迹qv进行调整。 本发 明的协作式机器人在快速移动的同时， 可以安全 地面对环 境， 从而提高了人类机器人共享工作空 间的速度和生产效率。 权利要求书1页 说明书8页 附图2页 CN 115194771 A 2022.10.18 CN 115194771 A 1.一种机器人控制方法， 其特 征在于， 包括 步骤： S1、 获取期望的末端执 行器位置姿态xe,r； S2、 将末端执行器位置姿态xe,r转换为期望的联合 参考轨迹qr； S3、 确定辅助联合 参考轨迹qv的方向； S4、 根据辅助联合 参考的方向， 计算得到基于 轨迹ERG的辅助联合 参考轨迹qv； S5、 将机器人的动力学 预稳定到基于轨迹ERG的辅助联合 参考轨迹qv中； S6、 计算得到力矩 τ， 并将力矩 τ 发送到 机器人； S7、 获取机器人输出的轨迹 q， 重复步骤S4～步骤S7， 对基于轨迹ERG的辅助联合参考轨 迹qv进行调整。 2.根据权利要求1所述的机器人控制方法， 其特征在于， 在所述步骤S2中， 采用基于牛 顿‑拉夫森的逆运动算法， 将 末端执行器位置姿态xe,r转换为期望的联合 参考轨迹qr。 3.根据权利要求1所述的机器人控制方法， 其特 征在于， 所述 步骤S4包括： S41、 决定辅助联合参考轨迹qv方向的导航场与调节辅助联合参考轨迹qv的动态安全裕 度的乘积， 为基于 轨迹ERG的辅助联合 参考轨迹qv。 4.根据权利要求3所述的的机器人控制方法， 其特征在于， 在步骤S41中， 包括导航场的 计算步骤： S411、 所述导航场采用吸引场和排斥场进行设计： S412、 采用伪逆雅可比矩阵将斥力场转 化为联合空间。 5.根据权利要求4所述的机器人控制方法， 其特征在于， 在步骤S4中， 所述斥力场为： 联 合角度约束、 壁面约束、 球面障碍物、 圆柱面障碍物推动机器人臂远离稳态不可允许区域的 线性斥力场总和； 对于由联合角度约束引起的斥力场， 为每一个执 行器建立 一个排斥项； 对于由壁 面约束引起的斥力场， 在笛卡尔空间对壁 面的斥力场进行表示； 对于由障碍物约束引起的斥力场， 对每 个关节的笛卡尔位置进行计算。 6.根据权利要求3所述的机器人控制方法， 其特征在于， 对基于轨迹ERG的辅助联合参 考轨迹qv进行调整具体为： 基于动态安全 裕度对辅助联合 参考轨迹qv的模量进行调整。 7.根据权利要求1所述的机器人控制方法， 其特征在于， 在步骤S6中， 采用带重力补偿 的PD方法计算得到力矩 τ。 8.一种计算机可读存储介质， 其特征在于， 所述可读存储介质中存储有至少一条指令、 至少一段程序、 代码集或指令集， 所述至少一条指令、 至少一段程序、 代码集或指令集由处 理器加载并执 行以实现如权利要求1至7任一所述的机器人控制方法。 9.一种计算机设备， 其特征在于， 所述计算机设备包括处理器和存储器， 所述存储器中 存储有至少一条指 令、 至少一段程序、 代码集或指 令集， 所述至少一条指 令、 至少一段程序、 代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的机器人控制 方法。权　利　要　求　书 1/1 页 2 CN 115194771 A 2机器人控制方 法、 可读存储介质及计算机设 备 技术领域 [0001]本发明属于机器人控制技术领域， 具体涉及一种机器人控制方法、 可读存储介质 及计算机设备。 背景技术 [0002]近年来， 制造业范式正从大规模生产向大规模定制、 高混合、 小批量生产转变。 为 此， 需要在生产环 境中增加灵活性， 这可以通过结合人类和机器人的互补特性来实现。 一方 面， 机器人擅长简单、 重复性的任务； 另一方面， 人类具有理解和适应任务中任何变化的独 特认知技能。 [0003]在灵活性和效率的新水平上， 机器人与人类操作人员近距离工作和无障碍工作的 安全问题成为主要问题。 关于这一问题， ISO/TS  15066指令的发布定义了协作机器人的安 全功能和性能， 包括四种类型的协作机器人操作:安全监控停止(SMS)、 手动引导(HG)、 速度 和分离监测(S SM)， 功率和力限制(PFL)。 [0004]现有技术主要的控制方法如下： [0005]基于采样的运动规划算法： 如快速探索随机树(RRT)， 被用于规划具有运动学约束 的机器人操纵器的安全运动。 [0006]基于二次规划的冗余机器人操纵器的运动规划方案： 该方案允许在凸约束下跟踪 具有低关节角漂移的复杂末端执 行器路径， 并将其推广到非凸约束中。 [0007]势场方法与危险场方法： 势场方法是反应性和计算效率的， 这使得它们特别适合 于实时避免碰撞， 另一种计算效率高的方法是危险场， 它表明机器人当前 的姿态和速度相 对于环境中的物体有 多危险。 [0008]零空间算法： 零空间算法中的饱和度生成速度命令， 允许机器人实时控制 大量的 硬限制。 [0009]模型预测控制(MPC)： 是一种能够实时处理状态和输入约束的一般控制方案， 它基 于在每个采样时间求 解约束有限时间优化问题的思想 。 [0010]上述现有技 术仍存在以下缺 点： [0011]基于采样的运动规划算法： 虽然所有的变体都有自己的优势， 但没有一个考虑到 机器人的动力学。 同时考虑运动学和动态约束的路径规划方法计算要求高， 因此很难实时 实现。 [0012]基于二次规划的冗余机器人操纵器的运动规划方案： 该控制方案考虑了关节角度 和关节速度限制， 但没有考虑高阶机械手动力学和力矩输入约束， 也没有提供实时避碰能 力。 [0013]势场方法与危险场方法： 这两种方法可以结合使用运动静电安全场。 然而， 所有这 些方法都没有考虑到执 行器的输入约束(即 关节力矩)， 也称为输入饱和约束。 [0014]零空间算法： 虽然这种迭代算法保证了一个最优解， 但它也没有考虑到执行器的 输入约束。说　明　书 1/8 页 3 CN 115194771 A 3